82
Preglednica 1: Statistična porazdelitev časovnih serij.
spremenljivka max min AS ME s
ICGS 102,2 87,5 100,4 100,4 1,3109
ICŽP 101,6 99,1 100,3 100,4 0,5421
ICžPEA 101,2 99,0 100,2 100,2 0,3935
ICGSEA 101,4 98,6 100,2 100,3 0,5988
IAC 103,3 97,7 100,3 100,2 1,0023
IBPG 135,2 62,9 100,8 100,7 7,7525
turisti 141,9 57,4 103,1 108,8 21,5000
ICIPP 101,3 99,1 100,2 100,2 0,3445
ICS 102,1 96,3 100,4 100,5 0,8210
ICN 122,6 71,8 101,3 102,1 8,9280
NEDT 90,0 80,7 82,4 81,0 2,6606
IDDV 105,6 100,0 100,0 100,0 0,5158
ICTG 110,9 83,5 100,8 101,4 5,0355
Opombe: max – najvišja vrednost spremenljivke, min – najnižja vrednost spremenljivke, AS – aritmetična sredina spremenljivke, ME – mediana spremenljivke, s – standardni odklon spremenljivke; ICGS – indeks cen v gostinstvu, ICŽP – indeks cen življenjskih potrebščin, ICŽPEA – indeks cen življenjskih potrebščin v evro območju, ICGSEA – indeks cen v go-stinstvu v evro območju, IAC – indeks cen hrane in brezalkoholnih pijač, IBPG – indeks bru-to plač v gostinstvu, turisti – prihodi domačih in tujih turisbru-tov, ICIPP– indeks cen industrij-skih proizvodov pri proizvajalcih, ICS – indeks cen storitev, ICN – indeks cen nafte, NEDT – nominalni efektivni devizni tečaj, IDDV – indeks davka na dodano vrednost, ICTG – indeks cen tekočih goriv; N = 129.
Iz Preglednice 1, v katero smo vključili podatke tekočih cen, lahko raz-beremo gibanje indeksov. Turisti so se v preučevanem obdobju gibali od minimalnih 57,4 % do maksimalnih 141,9 % v tekočem mesecu glede na pretekli mesec. Podatki o prihodih domačih in tujih turistov so močno razpršeni okoli aritmetične sredine. To nam prikazuje visok standardni odklon (21,5) in mediana, ki je 108,8 %. Aritmetična sredina, ki nam po-kaže povprečje, pa je 103,1 %. Plače so se gibale od 62,9 % do 135,2 %, cena nafte od 71,8 % do 122,6 % in cena tekočih goriv od 83,5 % do 110,9 % v te-kočem mesecu glede na pretekli mesec v preučevanem obdobju. Podobno kot turisti so tudi plače, cena nafte in cena tekočih goriv imeli visok stan-dardni odklon, mediano in aritmetično sredino. Omenjeni indeksi nam kažejo na relativno nestabilne cene nafte in tekočih goriv v preučevanem obdobju. Največji standardni odklon imata še indeksa cen gostinskih sto-ritev in cen hrane in brezalkoholnih pijač, medtem ko so ostali indeksi
raz-83 pršeni okoli svojega povprečja. To nakazuje na umirjeno gibanje cen ži-vljenjskih potrebščin tako v Sloveniji kot v evro območju, v slednjem tudi cen gostinskih storitev. Indeksa cen storitev in industrijskih proizvodov pri proizvajalcih sta se prav tako gibala umirjeno, saj je njun standardni od-klon 0,821 za storitve oziroma 0,3445 za proizvode. Velike spremembe in-deksov tudi nista imeli preučevani fiskalni spremenljivki nominalni efek-tivni devizni tečaj in DDV.
Iz Preglednice 2, v katero smo vključili podatke stalnih vrednosti, kjer je bazno leto januar 2000 (januar 2000 = 100), lahko razberemo rast in-deksov časovnih serij. Prihodi domačih in tujih turistov imajo septembra leta 2010 indeks rasti 243,9 glede na bazno leto 2000, januar. Bruto plače v gostinstvu so se v istem obdobju dvignile za 90,2 %, medtem ko se je DDV dvignil za 5,6 % glede na leto 2000. Dvig DDV je bil enkraten, in sicer leta 2002. Nominalni efektivni devizni tečaj se je po vstopu Slovenije v EMR II pričel umirjati in je po prevzemu evra tudi stabilen, kar razberemo iz Pre-glednice 2.
Preglednica 2: Vrednost indeksa časovna serije, januar 2000 = 100.
leto, mesec turisti IBPG NEDT IDDV
2000, 01 100,0 100,0 100,00000 100,0
2010, 09 243,9 190,2 0,00008 105,6
Opombe: turisti – prihodi domačih in tujih turistov, IBPG – indeks bruto plač v gostinstvu, NEDT – nominalni efektivni devizni tečaj, IDDV – indeks davka na dodano vrednost; N = 129.
Iz Preglednice 3, v katero smo prav tako vključili podatke stalnih vred-nosti, kjer je bazno leto januar 2000 (januar 2000 = 100), lahko razberemo rast indeksov časovnih serij. Indeks cen gostinskih storitev v evro obmo-čju je rasel počasneje kot indeks cen gostinskih storitev v Sloveniji. Slednji je imel rast 62,8 %, v evro območju pa je imel rast le 34,5 %. V evro obmo-čju je indeks dosegel najvišjo vrednost avgusta 2010. Tudi v Sloveniji je in-deks cen gostinskih storitev najvišjo vrednost dosegel avgusta 2010, in si-cer 186,1. Podobno kot pri cenah gostinskih storitev velja pri indeksu cen življenjskih potrebščin, da se je indeks v Sloveniji dvignil za 29 % bolj kot v evro območju.
Indeks agroživilskih cen se je v preučevanem obdobju dvignil na 153,0.
Najvišjo vrednost je imel julija 2010. V preučevanem obdobju so se najbolj dvignile cene nafte, cene storitev in cene tekočih goriv. Najvišjo vrednost je indeks cen nafte imel junija 2008, indeks cen storitev avgusta 2010 in in-deks cen tekočih goriv julija 2008.
84
Preglednica 3: Vrednost indeksa časovne serije, januar 2000 = 100.
leto, mesec ICGSEA ICGS IAC ICŽP ICŽPEA ICIPP ICS ICN ICTG
2000, 01 100,0 100,0 100,0 100,0 100,0 100,0 100,0 100,0 100,0
2010, 09 134,5 162,8 153,0 157,8 128,8 137,9 174,5 276,0 247,9
Opombe: ICGSEA – indeks cen v gostinstvu v evro območju, ICGS – indeks cen v gostin-stvu, IAC – indeks cen hrane in brezalkoholnih pijač, ICŽP – indeks cen življenjskih potreb-ščin, ICŽPEA – indeks cen življenjskih potrebščin v evro območju, ICIPP– indeks cen in-dustrijskih proizvodov pri proizvajalcih, ICS – indeks cen storitev, ICN – indeks cen nafte, ICTG – indeks cen tekočih goriv; N=129.
Povečanje cen tekočih goriv vpliva na slovensko gospodarstvo prek substitucijskega in dohodkovnega učinka (Gričar in Bojnec 2011). Substi-tucijske učinke poveča povpraševanje po ostalih energetskih dobrinah in vpliva na rast gospodarske dejavnosti, zaposlenosti, plač, uvoza in cen. Do-hodkovni učinek pa vpliva na manjši dohodek in krčenje gospodarske de-javnosti, zaposlenosti, plač in uvoza. Dvig cen tekočih goriv vpliva na in-flacijo zaradi povečanih stroškov in zaradi spremenjene strukture porabe.
Posledica je upad konkurenčnosti ter nižji izvoz.
Metoda glavnih komponent in faktorska analiza
Namen tega poglavja je predvsem pridobiti nove (sintetične) spremenljivke za regresijsko analizo (Pfajfar 2014). Ekonomska teorija omogoča izpeljavo jasnih domnev o smeri povezanosti med spremenljivkami, zato je za anali-zo najbolj običajna regresijska analiza in kointegracija.
V naši raziskavi smo z metodo glavnih komponent poiskali dve naj-pomembnejši komponenti. V faktorski analizi smo z metodama ocenjeva-nja faktorskega modela najmanjših kvadratov in slike poiskali dva faktorja, s katerima smo pojasnili variabilnost spremenljivk. Metoda glavnih kom-ponent omogoča povzeti podatke s čim manjšo izgubo informacij, tako da zmanjša razsežnost podatkov. Metoda najmanjših kvadratov minimizira razlike med dejansko in ocenjeno korelacijsko matriko, pri čemer ne upo-števa diagonal matrike. Pri metodi slike so komunalitete definirane kot multipli determinacijski koeficienti spremenljivke z ostalimi spremenljiv-kami, zato tu ni interakcij. Cilj vseh treh metod je ugotoviti, ali so zveze med opazovanimi spremenljivkami (kovariance ali korelacije) pojasnjene z manjšim številom posredno opazovanih spremenljivk ali faktorjev.
V raziskavi smo preverjali stacionarnost spremenljivk. Cene so običaj-no nestacionarne makroekoobičaj-nomske spremenljivke, zato smo metodo glav-nih komponent ponovili tudi s stacionarnimi spremenljivkami. Metoda glavnih komponent »2« nam prikaže štiri glavne komponente. Rezultate ponovljene metode glavnih komponent, v katero smo vključili stacionarne
85 spremenljivke, smo primerjali z rezultati kointegracijske analize in VECM.
V nadaljevanju podajamo ocene za našo raziskavo.
Na podlagi Kaiser-Meyer-Olkin (KMO) kazalca (vrednost 0,781), ki je večji od 0,5, ocenjujemo, da so podatki povsem primerni za faktorsko ana-lizo. KMO mera ustreznosti meri povezanost med spremenljivkami (ozi-roma je mera homogenosti spremenljivk). Zavzame lahko vrednosti med 0 in 1. Zaželena je čim višja vrednost. Na podlagi grafikona lastnih vrednos-ti ugotovimo, da je smiselno model ocenivrednos-ti z dvema faktorjema (krivulja se močneje prelomi). Ob pogledu na deleže pojasnjene variance s skupnima dejavnikoma je mogoče ugotoviti, da s prvim faktorjem lahko pojasni-mo kar 75,631 % variabilnosti analiziranih spremenljivk. Rezultati1 anali-ze kažejo, da obstajata dva dejavnika – faktorja, s katerima pojasnimo kar 85,607 % celotne variabilnosti spremenljivk. Drugi faktor pojasnjuje delež variabilnosti spremenljivk v manjši meri.
Interpretacija rezultatov analize metode glavnih komponent in faktorske analize
Na podlagi ocen komunalitet z metodo najmanjših kvadratov 4 je bilo mo-goče ugotoviti najvišje deleže pojasnjene variance s skupnima faktorjema pri indeksih IAC, ICŽP, ICŽPEA, ICGSEA, ICIPP in ICS.
Na podlagi ocen komunalitet z metodo slike je bilo mogoče ugotovi-ti najvišje deleže pojasnjene variance s skupnima faktorjema pri indeksih ICŽP (99,8 % variabilnosti indeksa), ICŽPEA, ICGEEA, ICIPP, ICS, IAC in NEDT.
Z dvema skupnima komponentama pri metodi glavnih komponent lahko pojasnimo kar 85,607 % celotne variabilnosti spremenljivk. Prva komponenta pojasnjuje 75,631 % variabilnosti analiziranih spremenljivk, druga pa 9,976 % variabilnosti. Vrednost pojasnjene variance za posame-zen faktor se je po rotaciji spremenila, četudi je vrednost celotne pojasnje-ne variance ostala enaka (Gorsuch 1974).
Z dvema skupnima faktorjema pri metodi najmanjših kvadratov lah-ko pojasnimo 82,789 % celotne variabilnosti analiziranih spremenljivk, kar smo razbrali iz Preglednice 3.2 v prilogi 3. Drugi faktor pojasnjuje manjši delež variance. Delež pojasnjene variabilnosti drugega faktorja je 7,994 % in prvega 74,796 %.
Z dvema skupnima faktorjema pri metodi slike lahko pojasnimo 81,558 % celotne variabilnosti analiziranih spremenljivk, kar smo razbrali iz Pregle-dnice 3.4 v prilogi 3. Drugi faktor pojasnjuje manjši delež variance. Delež po-jasnjene variabilnosti drugega faktorja je 7,773 % in prvega 73,785 %.
1 Izračuni faktorske analize in metode glavnih komponent so na voljo pri avtorjih na poziv.
86
Pri vseh treh metodah se je ob prvotni ekstrakciji izkazalo, da se spre-menljivki D1 in D2 ne vključujeta v model, saj sta njuni ekstrakciji nizki in imata nizke deleže pojasnjene variance s skupnima faktorjema. Vrednost KMO kazalca je bila z vključenima slamnatima spremenljivkama le neko-liko višja kot pri analizi brez slamnatih spremenljivk (0,798).
Ocene faktorskih uteži so z metodo glavnih komponent brez rotacije in s poševno rotacijo faktorjev bolj ali manj enake, na podlagi česar lahko sklepamo na stabilnost spremenljivk. Do sprememb je prišlo le pri pravoko-tni rotaciji faktorjev, iz česar bi lahko sklelpali, da pravokotna rotacija fak-torjev ni potrebna, saj povzroči vsiljeno strukturo. Glede na to, da so uteži na prvi komponenti visoke skoraj pri vseh spremenljivkah, lahko zaključi-mo in označizaključi-mo prvo komponento kot splošno komponento. Poimenovali jo bomo splošna raven cen. Druga komponenta je bipolarna, saj kaže hkra-ti močno pozihkra-tivno utež na spremenljivki turishkra-ti in NEDT ter negahkra-tivno utež na spremenljivki IDDV. Poimenovali jo bomo povpraševanje po stori-tvah v gostinstvu.
Ocene faktorskih uteži so z metodo najmanjših kvadratov in z metodo slike ne glede na uporabljeno rotacijo bolj ali manj enake, na podlagi česar lahko sklepamo na stabilnost spremenljivk. Glede na to, da so uteži na prvi komponenti visoke skoraj pri vseh spremenljivkah, enako kot pri metodi glavnih komponent, lahko zaključimo in označimo prvi faktor kot splošni faktor. Poimenovali ga bomo splošna raven cen. Drugi faktor je bipolaren, saj kaže hkrati močno pozitivno utež na spremenljivki NEDT ter negativ-no utež na spremenljivki IDDV. Poimenegativ-novali ga bomo ekspanzivni mone-tarni in restriktivni fiskalni dejavnik.
Glede na število spremenljivk oziroma glede na grafikon lastnih vred-nosti smo predpostavili faktorski model z dvema skupnima faktorjema, s katerima lahko pojasnimo več kot 50 % variabilnosti v analizo vključenih spremenljivk. Za oceno komunalitet smo uporabili vse metode ocenjevanja faktorske analize in metodo glavnih komponent. S pomočjo metode glav-nih osi, metode največjega verjetja in s posplošeno metodo najmanjših kva-dratov ne pridemo niti do ocen faktorskih uteži niti do ocen komunalitet.
Ocene uteži smo skušali oceniti s poševno in pravokotno rotacijo faktor-jev. Ocene uteži ob uporabljeni rotaciji faktorjev se niso bistveno razlikova-le od ocen uteži brez uporabljene rotacije pri metodi najmanjših kvadratov in metodi slike. Do sprememb je prišlo pri drugem skupnem faktorju z me-todo glavnih komponent. Pri metodi glavnih komponent je po rotaciji fak-torjev drugi skupni faktor dobil uteži tudi na ostalih spremenljivkah. Na prvem skupnem faktorju so najvišje uteži pri vseh spremenljivkah cen, na drugem skupnem faktorju pa pri spremenljivkah IDDV in NEDT pri vseh
87 treh metodah in pri spremenljiivki turisti pri metodi glavnih komponent.
Zaključimo lahko, da označimo prvo komponento kot splošno kom-ponento. Poimenovali jo bomo splošna raven cen. Druga komponenta je bi-polarna, saj kaže hkrati močno pozitivno utež za spremenljivkah NEDT in turisti ter negativno utež na spremenljivki IDDV. Poimenovali smo jo pov-praševanje po storitvah v gostinstvu v metodi glavnih komponent, na osnovi katere bomo oblikovali tudi novi sintetični spremenljivki.
Drugo komponento lahko povežemo s trditvijo iz literature, da je za turizem kot storitveno dejavnost, ki je vpeta v mednarodne pretoke turi-stov in storitev, pomembna uporaba različnih valut in povezanih deviznih tečajev med valutami (Marques Torres 1998). Ko govorimo o restriktiv-nosti, je vedno tako, da bi bila fiskalna politika lahko še restriktivnejša.
UMAR (2010) ocenjuje, da je fiskalna politika delovala v preteklih letih proticiklično, da bi lahko uravnotežila pritisk ekspanzivne monetarne politike, ki jo izvaja ECB (UMAR 2010). Leta 1999 se je pridružil še fiskalni dejavnik kot posledica DDV in leta 2001 zvišanje stopnje DDV ter visok cikel agrega-tnega povpraševanja. S pomočjo linearnega trenda iz analize časovnih vrst ugotavljamo, da se cene v gostinstvu na gospodarske in finančne dejavnike v RS odzovejo negativno, medtem ko se v primeru pozitivnih cenovnih gi-banj v sektorjih, ki za gostinstvo pomenijo input, cene gibljejo premosoraz-merno tem gibanjem (Gričar in Bojnec 2010b).
Osnovni namen naše analize je bilo ugotoviti, kateri dejavniki so po-vezani s cenami v gostinstvu. Metoda glavnih komponent nam torej potr-juje hipotezo 1 v prvem delu, ker so s prvo skupno komponento faktorske uteži močne na dejavnikih ICGSEA, ICŽP in ICŽPEA, hipotezo 2 v delu, da so spremembe cen v turizmu pozitivno povezane s povečanim povpraše-vanjem po storitvah, hipotezo 3 v celoti, ker so s prvo skupno komponen-to fakkomponen-torske uteži močne na dejavnikih IAC, ICN, ICIPP in ICS, razen v delu, ki govori o pozitivni povezanosti cen v gostinstvu in stroškov plač v gostinstvu. Dejavnik IBPG nima tako močne uteži kot ostali dejavniki cen na prvi skupni komponenti. Visoke uteži so na prvem, splošnem faktorju pri spremenljivkah cene. Visoki pozitivni uteži na drugem skupnem fak-torju sta na dejavnikih turisti in NEDT. Na drugem skupnem fakfak-torju je zaznana tudi visoka negativna utež na dejavniku IDDV. Na osnovi predho-dnih ugotovitev, dobljenih z metodo glavnih komponent, hipotezo 4 po-trdimo v celoti. Gibanje cen v gostinstvu je povezano z dejavniki ponudbe (cene) in stroškov (inputi v gostinstvu), z dejavniki povpraševanja (turisti) ter z makroekonomskimi dejavniki domačega (IDDV) in zunanjega oko-lja (NEDT). Slamnatih spremenljivk v analizi z metodo glavnih kompo-nent nismo uporabili.
88
Oblikovanje sintetičnih spremenljivk v metodi glavnih komponent
Metoda glavnih komponent omogoča oblikovanje manjšega števila novih (sintetičnih) spremenljivk, pri katerih je zaželeno, da zajamejo kar največ variabilnosti naših osnovnih spremenljivk. Te spremenljivke imenujemo glavne komponente in so medsebojno neodvisne linearne kombinacije pr-votnih spremenljivk. Glavne komponente bodo obravnavane kot novi sin-tetični kazalci rasti (Gričar in Bojnec 2010b).
Z metodo glavnih komponent želimo torej poiskati take linearne kom-binacije opazovanih spremenljivk, ki kar se da močno korelirajo z opazo-vanimi spremenljivkami oziroma pojasnijo kar se da veliko razpršenosti (variacije) opazovanih spremenljivk. Zato je treba pri metodi glavnih kom-ponent določiti uteži pri linearni kombinaciji spremenljivk tako, da je va-rianca te linearne kombinacije največja. Ko izračunamo prvo komponen-to z največjo varianco, poiščemo drugo komponenkomponen-to (z največjo varianco), ki pa s prvo ne sme korelirati. Postopek ponavljamo do zadnje komponen-te. Pomembno je, da pred računanjem glavne komponente spremenljivke standardiziramo.
Skladno z ugotovitvijo, ki izhaja iz metode glavnih komponent, smo novi spremenljivki – komponenti uporabili v analizi, ki jo podajamo v na-daljevanju te raziskave. Novo, prvo sintetično spremenljivko – komponen-to splošna raven cen bomo označili s K1 in novo sintetično spremenljivko povpraševanje po storitvah v gostinstvu bomo označili s K2.
Regresijska analiza
Metoda glavnih komponent, ki je uporabljena kot ena od analitičnih me-tod v monografiji, se običajno uporablja, kadar imamo večje število spre-menljivk brez jasnih teoretičnih domnev o načinu njihove povezanosti. V našem primeru je vključenih več spremenljivk, iz katerih sta bili ocenje-ni dve glavocenje-ni komponenti. Čeprav ekonomska teorija omogoča izpeljavo določenih domnev o smeri povezanosti med relativno majhnim številom vključenih spremenljivk, menimo, da je metoda glavnih komponent po-dala nove in potrdila že nekatere znane ugotovitve, do katerih smo priš-li z uporabo drugačnih anapriš-litičnih metod. Pri interpretaciji dveh glavnih komponent je možna tudi alternativna interpretacija, da dobljeni dve glav-ni komponenti predvsem ločita serije na »prave« spremenljivke (plače in cene) in »neprave« spremenljivke (Krušec 2007). Zato smo od metode glavnih komponent prešli na metodo regresijske analize. Velja poudariti, da je namen uporabe metode glavnih komponent preizkusiti ugotovitve re-gresijske analize (Gričar in Bojnec 2010a).
89 V začetni fazi regresijske analize se bodo najverjetneje pokazali neka-teri znaki neprave regresije, za katere so značilni visoki R2, visoka F stati-stika in visoke -statistike, saj imamo časovno vrsto z mesečnimi podatki (Gričar in Bojnec 2010a). Da bi ovrgli sum na »nepravo« regresijo (Mlade-nović 2004), smo proučevali Durbin-Watsonovo (D-W) statistiko oziroma analizirali ostanke te regresije (avtokorelacija ostankov). Veliko število eko-nomskih spremenljivk odraža težnjo razvoja v času, ki je lahko pozitivna ali negativna. Tako zaporedne vrednosti teh spremenljivk odražajo določeno stopnjo avtokorelacije, zato smo na mesečnih časovnih serijah testirali av-tokorelacijo in avtoregresijo. Kot napovedujemo, smo pri končnem empi-ričnem proučevanju zaključno uporabili kointegracijsko analizo z mode-lom VEC (Bojnec in Günter 2005; Juselius 2006; Johansen 1996; Johansen 2012; Gričar in Bojnec 2013) kot najnovejši pristop v proučevanju časov-nih vrst.
V zvezi s proučevanjem odvisnosti za numerične znake, pa naj gre za re-gresijsko ali za korelacijsko analizo, je za izračunavanje ustreznih kazalcev odvisnosti pomembno, ali je zveza med opazovanima pojavoma linearna.
Postopek je enostavnejši za linearno odvisnost že zaradi tega, ker je v na-sprotnem primeru treba določiti tudi ustrezno obliko odvisnosti (Košmelj 1987). Z razsevnimi grafikoni ocenjujemo korelacijsko odvisnost, linearno ali nelinearno odvisnost ter visoko ali nizko odvisnost. Odvisnost neodvi-snih spremenljivk od ICGS je pozitivna (ICGS se veča, ko se v povprečju večajo neodvisne spremenljivke). Kot ugotavljamo, obstaja med spremen-ljivkami povezanost, zato se odločimo za nadaljevanje naše raziskave z mul-tiplo regresijsko analizo. Postopki izračunavanja kazalcev povezanosti so enostavnejši pri bivariatni kot pri multipli povezanosti. S pomočjo regresij-ske analize testiramo vse štiri zastavljene hipoteze, s katerimi ugotavljamo povezanost neodvisnih spremenljivk z odvisno spremenljivko.
Predmet naše regresijske analize je povezanost odvisne spremenljivke ICGS od neodvisnih spremenljivk ICŽP, ICŽPEA, ICGSEA, IAC, IBPG, prihodi turistov, ICIPP, ICS, ICN, NEDT, IDDV, ICTG, D1 in D2 kot slamnate spremenljivke. V izračun je bilo vključenih 129 mesečnih vred-nosti za posamezno spremenljivko. Spremenljivke so bile preračunane na indeks s stalno osnovo v januarju 2000 (januar 2000 = 100). Vrednosti spremenljivk v celoti prikazujemo v prilogi 1. Poleg omenjenih spremen-ljivk smo v multipli regresijski analizi uporabili tudi novi sintetični spre-menljivki – komponenti, pridobljeni iz metode glavnih komponent.
Glede na teoretične osnove pričakujemo pozitivno, močno in line-arno povezanost ICGS z neodvisnimi spremenljivkami ICŽP, ICŽPEA, ICGSEA, IDDV, D1, turisti, IAC, ICN, ICIPP, ICS in IBPG.
Negativ-90
no močno linearno povezanost pa pričakujemo z neodvisnima spremen-ljivkama NEDT in D2. Za boljše razumevanje razvoja inflacije v Sloveniji oziroma razumevanje vpliva menjalnega sektorja na nemenjalnega in obra-tno, vpliva administrativno določenih cen, vpliva plač in produktivnosti je pomembno razumevanje prilagajanja relativnih cen in B-S učinka. Pristo-pe k razlagi teoretičnega ozadja problema sprememb relativnih cen in viši-ne inflacije lahko v grobem razdelimo na razloge med variabilnostjo cen in inflacijo ter analizo povezave asimetričnosti porazdelitve relativnih cen in inflacijo. Relativne cene so razmerje med cenami posameznih izdelkov in storitev (Čufer 2000). Cene v gostinstvu se bodo tudi v prihodnje dvigo-vale bolj, kot se dviguje splošna raven cen (Gričar in Bojnec 2009). V RS je splošna raven cen prikazana z indeksom cen življenjskih potrebščin. Na nudbeni strani se je pritisk na cene življenjskih potrebščin začel izrazito po-večevati v letu 2002 in sredi leta 2007 predvsem kot posledica znatnega dvi-ga cen nafte in podražitve osnovnih surovin ter hrane na svetovnih trgih,
no močno linearno povezanost pa pričakujemo z neodvisnima spremen-ljivkama NEDT in D2. Za boljše razumevanje razvoja inflacije v Sloveniji oziroma razumevanje vpliva menjalnega sektorja na nemenjalnega in obra-tno, vpliva administrativno določenih cen, vpliva plač in produktivnosti je pomembno razumevanje prilagajanja relativnih cen in B-S učinka. Pristo-pe k razlagi teoretičnega ozadja problema sprememb relativnih cen in viši-ne inflacije lahko v grobem razdelimo na razloge med variabilnostjo cen in inflacijo ter analizo povezave asimetričnosti porazdelitve relativnih cen in inflacijo. Relativne cene so razmerje med cenami posameznih izdelkov in storitev (Čufer 2000). Cene v gostinstvu se bodo tudi v prihodnje dvigo-vale bolj, kot se dviguje splošna raven cen (Gričar in Bojnec 2009). V RS je splošna raven cen prikazana z indeksom cen življenjskih potrebščin. Na nudbeni strani se je pritisk na cene življenjskih potrebščin začel izrazito po-večevati v letu 2002 in sredi leta 2007 predvsem kot posledica znatnega dvi-ga cen nafte in podražitve osnovnih surovin ter hrane na svetovnih trgih,